基于改进粒子群优化算法的电梯群控方案设计

孟凡胜　王育青　李强懿　牛小民　张广来

摘 要： 由于电梯本身所具有的多目标性、不确定性和非线性，使得在电梯群调度控制方面容易出现候梯时间较长、能量消耗较大等问题。为了减轻这些问题对电梯群控制的影响，提出了一种基于改进粒子群算法的电梯群控方案。仿真结果表明：以权值优化改进粒子群算法加快了控制过程的收敛速度，使得平均到达时间、平均拥挤度、电梯的启停次数都有了很大的改善，满足了智能大厦电梯群控系统的需要。

关键词： 粒子群； 优化算法； 电梯； 群控； 方案设计

中图分类号：TP273 文献标志码：A 文章编号：1006-8228（2015）08-42-02

Design of elevator group control scheme based on improved particle swarm optimization algorithm

Meng Fansheng1， Wang Yuqing1， Li Qiangyi1，2， Niu Xiaomin2， Zhang Guanglai2

（1. Quality and Safety Environmental Protection Division in Qinghai Oilfield Community Management Center， Dunhuang， Gansu 736202， China； 2. Henan Hanwei Electronics Co.，Ltd.）

Abstract： Due to elevator inherent of multi-objective， uncertainty and nonlinear， so in the elevator group scheduling control prone to the problems such as wait for a long time， large energy consumption etc. In order to reduce the impact of these problems to elevator group control， this paper puts forward a kind of elevator group control scheme based on improved particle swarm algorithm. The simulation results show that the weight optimized improved particle swarm algorithm accelerates the convergence speed of the control process， making the average arrival time， average crowded degree， elevator start-stop times to have a lot of improvement， and has met the demands of the intelligent building elevator group control system.

Key words： particle swarm； optimized algorithm； elevator； group control； scheme design

0 引言

随着高层建筑和智能化建筑不断出现，人们对电梯服务质量提出越来越高的要求[1-3]。单台电梯往往不能满足建筑内的交通要求，需要合理安装多台电梯。安装在一起的多台电梯要求其单台电梯的控制系统之间相互联动，且具有监控系统，但仅用这种方式不能适应客流量的急剧变化，无法改善在某段时间内必然出现的长时间侯梯现象[4-6]。为解决这些问题，多台电梯的优化调度系统，即电梯群控系统应运而生[7-9]。但是由于粒子群算法容易陷入局部最优而造成实际的候梯时间偏长、能量消耗大等缺点[10-12]。本文采用惯性权重优化的粒子群算法对电梯群控进行优化，以候梯时间、乘梯时间、能量消耗和拥挤度作为呼梯信号的综合评价指标，建立了系统的综合评价函数，仿真试验表明采用该算法能够提高系统的效率。

1 粒子群算法

粒子群算法的数学模型如下：

Vid=ω×Vid+C1×r1（Pid-Xid）+C2×r2（Pgd-Xid）

Xid=Xid+Vid ⑴

式⑴中，d=1，2，…，D，D代表第d维搜索空间；i=l，2，…，m，m是该群体中粒子的总数；Vid为迭代粒子i飞行速度矢量的第d维分量；Pid为粒子i个体最好位置（PBest）的第d维分量；Pgd为群体最好位置（GBest）的第d维分量；c1、c2为权重因子；r1、r2是两个在[0， 1]范围内变化的随机数；ω为惯性权重函数[13-15]。

2 权重系数

电梯群控系统的目标是缩短乘客平均侯梯时间和平均乘梯时间，降低电梯运行消耗、提高电梯运行效率和服务质量[6]。第i部电梯响应第j个层站呼梯信号的综合评价函数可采用如下形式：

F（i，j）=w1f1（i，j）+w2f2（i，j）+w3f3（i，j）+w4f4（i，j） ⑵

式⑵中，F（i，j）代表第i部电梯响应第j个层站呼梯信号综合评价函数，综合评价值最大的电梯为该呼梯信号的响应电梯。f1，f2，f3，f4分别是候梯时间的评价函数、乘梯时间的评价值、能量消耗的评价值和梯内拥挤度的评价值。w1，w2，w3，w4分别是各评价值对应的权重系数，且w1+w2+w3+w4=1。对w的不同选择，体现了在各种客流交通状况下各因素的不同侧重。如客流高峰时以减少候梯、乘梯时间为主，可增大f1，f2的权值；可增大f3权重系数w1，w2，在电梯空闲时以减少能量消耗的权重系数w3。

3 改进粒子群算法

由于标准粒子群在寻找最优时容易陷入局部最优，从而使得控制难度增加。为了解决这种问题提出了基于惯性权重的改进粒子群算法。表达式为：

⑶

式⑶中，h为当前迭代次数，H为总迭代次数。ω的变化影响了上一代速度对当前代速度的控制。通过调节ω的取值可控制算法在全局和局部寻优能力。ω的值越大，全局寻优的能力就越强，局部寻优的能力就越弱。

在大多数的控制方案中，为了控制方便就将惯性权重取值为常数，但后来仿真发现，把它转换成动态的，能够比固态具有更好的寻优结果。动态惯性权值可以在搜索过程中线性变化，亦可动态改变。

4 本文方案设计

Step 1：初始化粒子群及每个粒子的速度：设定粒子的最大速度Vmax和最小速度Vmin，在区间[Vmin，Vmax]内随机产生每个粒子的速度，设置初始惯性权值ω，学习因子c1和c2，种群规模和迭代次数等。

Step 2：计算每个粒子的适应度值，判断算法是否达到最大迭代次数，或粒子的适应度值小于某个设定值，满足条件则转到Step 5，否则转到Step 3。

Step 3：确定每个粒子的个体极值和全局极值。

Step 4：更新每个粒子的速度和位置：根据式（1）和式（2）更新粒子的速度和位置，并判断更新后粒子的速度和位置是否在限定的范围之内。

Step 5：算法迭代停止，输出结果。

5 仿真分析

电梯的控制问题主要是解决客流量的问题，仿真环境参数设置：电梯数为5部，楼层高为20层，每层高为3m，总客流量为1000人，电梯额定速度为3m/s，额定加速度为1m/s2，电梯容量为15人，额定载重为1000kg，乘客的平均进出时间为2s，实验中客流量设为1人/1s，系统仿真时间为1000s，仿真人数为1000人。

得出本文方案与粒子群算法在长时间候梯率、平均乘梯时间、平均拥挤度、起/停次数的仿真结果。如表1、表2、表3中所示。

表1 两种算法在上高峰交通流下的仿真

[控制方式＼&长时间侯梯率＼&平均到达时间＼&平均拥挤度＼&起/停次数＼&粒子群算法＼&35%＼&36s＼&23%＼&55＼&本文方案＼&23%＼&21s＼&11%＼&36＼&]

表2 两种算法在下高峰交通流下的仿真

[控制方式＼&长时间侯梯率＼&平均到达时间＼&平均拥挤度＼&起/停次数＼&粒子群算法＼&33%＼&39s＼&25%＼&50＼&本文方案＼&22%＼&23s＼&12%＼&33＼&]

表3 两种算法在层间均衡交通流下的仿真

[控制方式＼&长时间侯梯率＼&平均到达时间＼&平均拥挤度＼&起/停次数＼&粒子群算法＼&21%＼&32s＼&28%＼&52＼&本文方案＼&12%＼&19s＼&15%＼&35＼&]

仿真结果表明：本文方案比粒子群算法长时间侯梯率、平均到达时间、平均拥挤度、起/停次数在三种交通模式下平均都有所改进。改进后的粒子群算法，保留了粒子群算法的全局多样性，加快了收敛速度，在电梯群控系统应用中表现出一定的优越性。

6 结束语

本文用改进粒子群优化算法来研究电梯群控调度策略，提出了一种基于惯性权重的改进粒子群算法。该算法能够很好解决一些具有复杂性、非线性变化的优化问题。仿真结果表明，改进粒子群算法加快了控制过程的收敛速度，使得长时间候梯率、平均到达时间、平均拥挤度、电梯的启停次数都有了很大的改善。本文研究的重点是针对客运电梯载人的情况，仿真时只考虑人的进出而没有考虑货物的进出，而实际生产生活中会出现人货共存的局面，因而在人货共存的情况下该方案应用效果如何，还有待进一步研究。

参考文献：

[1] Zhu Yan， Liu Yuemin. New Multi-objective Elevator Dispatching

Strategy Based on Clonal Selection Algorithm[J]. Journal of Data Acquisition and Processing，2012.27（3）： 353-357

[2] FU Li-jun， ZHOU Chong. Optimal Dispatch Control Simulation of

Elevator Group Control System[J]. Computer Simulation，2012.29（4）：263-267

[3] XU Yuge， SONG Yaling， LUO Fei， ZHAO Xiaocui. Novel particle

swarm optimization policy in destination registration elevator group control system[J]. Journal of Beijing Jiaotong University，2012.36（5）：134-138

[4] 李强懿.无线传感器网络节点部署算法的研究[D].河南科技大学，

2013：1-67

[5] WU Gui-fang， WU Sheng. A New Scheduling Strategy of Elevator

Group Control Based on Pdf Control[J]. Mathematics in Practice and Theory，2012.42（7）：148-154

[6] 李强懿，马冬前，张聚伟.基于平衡距离的无线传感器网络节点部署

算法[J].电子技术应用，2013.39（4）：96-98

[7] ZHU Yan，LIU Yue-min. Elevator Group Control Policy with New

Destination Registration Based on Artificial Immune Algorithm[J]. Electric Drive，2012.42（9）：51-55

[8] 李强懿， 马冬前， 张聚伟， 付主木. 基于证据理论的无线传感器网络

节点部署算法[J].计算机测量与控制，2013.21（6）：1715-1717

[9] SHEN Hui-yang，YANG Xiang-yu. Elevator Group Control

Strategy Based on Call Recognition and Shielding [J]. Electric Drive，2012.42（9）：56-60

[10] 白舸， 张海涛， 刘翠苹， 李强懿. 基于遗传模拟退火算法的WSN广

播算法研究[J].计算机测量与控制，2013.21（11）：3053-3056

[11] LI Li， LI Hong-qi， WANG Chao， SUN Jing-ying， CUI Gang.

Research on Intelligent Optimal Dispatching Method in Eelevator Group Control Systems Based of PSO [J]. Computer Science，2012.39（11A）：331-333

[12] 贺学剑，李强懿，白舸，陈家新，李振东，郭淑香.无线传感器网络中覆

盖空洞修复算法[J].微电子学与计算机，2013.30（12）：97-99

[13] ZHANG Yu-Yang， LIU Man-hua， HAN Tao. Elevator-Waiting

People Counting System Based on Mean Shift Segmentation and SVM Classification[J]. Optics and Precision Engineering，2013.21（4）：1079-1085

[14] 李强懿， 马冬前， 张聚伟. 基于感知概率的无线传感器网络节点部

署算法[J].计算机测量与控制，2014.22（2）：643-645

[15] LI Xiao-qian， WANG Zhi-sheng， ZHEN Zi-yang. Application of

Cultural Algorithm in Elevator Group Control System [J]. Computer Simulation，2013.30（7）：300-303